Analisis Supermarket Sales Dashboard
Project ini menyajikan performa penjualan supermarket. Dataset ini akan membantu tim sales untuk melihat data penjualan untuk setiap bulan, peringkat tertinggi berdasarkan kategori produk, total invoice dan pendapatan kotor.
Tujuan dari project ini adalah
1. Untuk mengetahui bulan apa yang memberikan kontribusi tinggi terhadap keuntungan (profit)
2. Untuk mengetahui produk apa yang memberikan kontribusi tinggi terhadap pendapatan
3. Untuk mengetahui produk apa yang paling baik dan seberapa tinggi rating product tersebut
4. Untuk mengetahui metode pembayaran apa yang paling baik untuk transaksi dan seberapa banyak barang yang dibeli
5. Untuk mengetahui kota dan cabang apa yang memberikan kontribusi terbesar terhadap pendapatan
Dataset overview
1. Invoice ID : nomor identifikasi faktur penjualan
2. Branch : cabang supermarket (A, B, dan C)
3. City : lokasi supermarket
4. Customer type: jenis pelanggan yang membeli barang, yaitu pelanggan biasa atau pelanggan member
5. Gender : jenis kelamin pelanggan (pria/wanita)
6. Product line: produk yang tersedia di toko untuk dibeli oleh pelanggan
7. Unit price : harga setiap produk
8. Quantity : jumlah barang yang dibeli oleh pelanggan
9. Date : hari, tanggal, tahun barang dibeli
10. Payment : metode pembayaran pelanggan (Tunai, Kartu kredit, dan Ewallet)
11. COGS : Cost of goods sold
12. Rating : Peringkat stratifikasi pelanggan atas pengalaman berbelanja mereka secara keseluruhan (dalam skala 1 sampai 10).
13. Tax 5% : pajak
14. Time : waktu terjadi transaksi
15. Gross income : pendapatan kotor
16. Total : total pendapatan termasuk pajak 5% yang diminta atas setiap barang yang dibeli
17. Gross percentage : selisih antara pendapatan dan harga pokok penjualan, dibagi dengan pendapatan
Persiapan Data (Data Preparation)
Tahap pertama adalah persiapan data (Data preparation). Data Preparation adalah proses pemetaan data dari satu bentuk “mentah” ke dalam “jadi” lain agar siap untuk dianalisis lebih lanjut. Persiapan data biasa disebut dengan “Data Cleansing” yang dapat didefinisikan sebagai serangkaian kegiatan yang digunakan untuk mempersiapkan, membersihkan, dan memformat data sehingga siap untuk dianalisis dan divisualisasikan.
Pada dataset ini tidak ditemukan missing value dan duplicate data
Pengecekan missing value dapat dilakukan dengan langkah berikut
Klik Ctrl + A > Find and select > Go to special > Blank
Pengecekan duplicate data dapat dilakukan dengan lengkah berikut
Klik Ctrl + A > Beralih ke tab Data > Klik Remove Duplicates
Jika dataset sudah dipastikan tidak memiliki missing values dan duplicates, langkah selanjutnya adalah Data Formatting
Format Data (Data Formatting)
Tahap ini akan dilakukan perubahan struktur data ke dalam format yang konsisten untuk memudahkan pemrosesan. Oleh karena itu, perlu disusun kembali format-format yang berbeda tersebut ke dalam format yang lebih konsisten sehingga dapat memudahkan analisis dan pengolahan ke tahap berikutnya.
Pada tahap ini, saya melakukan 4 tahap, diantaranya :
- Mengatur lebar dan tinggi kolom agar semua value dapat terbaca dengan jelas. Dapat dilakukan dengan cara klik Ctrl + A lalu Alt + H + O + I (autofit kolom) dan Alt + H + + A (autofit baris)
2. Ubah format kolom date menjadi short date dengan format “MM/DD/YYY”
3. Urutkan data dari tanggal terlama sampai terbaru. Dapat dilakukan dengan cara klik Ctrl + A > Alihkan ke tab Data > klik Filter > Sort by Date
4. Hapus kolom yang tidak diperlukan seperti time, tax, gross percentage, gross income
Data Analisis
Setelah melakukan persiapan data, langkah selanjutnya adalah proses analisis data. Kita akan menganalisa data berdasarkan tabel yang telah disediakan. Pada data ini, saya menggunakan filter untuk menampilkan tanggal, kategori produk, gender, dan customer type.
1. Profit trendline bulan Januari — Maret 2019
Saya menggunakan diagram area untuk melihat profit pada bulan Januari — Maret 2019. Data menunjukkan bahwa profit tertinggi pada semua kategori gender, produk, dan customer type adalah tanggal 9 Maret 2019 dengan jumlah profit sebesar $355.91. Sedangkan profit terendah pada tanggal 13 Febuari 2019 dengan jumlah profit sebesar $44.49
2. Revenue Every Products
Untuk melihat kategori produk yang memiliki pendapatan kotor tertinggi, saya menggunakan bar chart horizontal agar mudah dipahami. Data menunjukan bahwa kategori ‘Food and beverages’ memiliki pendapatan kotor tertinggi dengan total pendapatan kotor sebesar $53.471 sedangkan ‘Health and beauty’ memiliki pendapatan kotor terendah dengan total pendapatan kotor sebesar $46.851
3. Rating by Product in Average
Data yang ditunjukan dalam bar chart ini menunjukan rating setiap produk dalam format rata-rata. Rating tertinggi diperoleh produk ‘Food and beverage’ dengan rata-rata rating 7.11. Hal ini berbanding lurus dengan jumlah pendapatan kotor untuk produk ini. Sedangkan rating terendah diperoleh oleh produk ‘Home and lifestyle’ dengan rata-rata rating 6.84.
4. Pesentage of sum quantity payment
Pie chart ini menunjukan metode pembayaran apa yang paling baik untuk transaksi dan seberapa banyak barang yang dibeli. Berdasarkan chart, metode pembayaran yang paling sering digunakan adalah cash dengan jumlah barang yang dibeli sebanyak 1896. Sedangkan , metode pembayaran yang jarang digunakan adalah credit card dengan jumlah barang yang dibeli sebanyak 1722
5. Sales by city
Data ini menunjukan jumlah pendapatan bersih terbesar berdasarkan kota. Kota Naypyitaw yang merupakan cabang C memberikan kontribusi tertinggi sebesar $110.569, dan Kota Mandalay yang merupakah cabang B memiliki kontribusi terendah yakni sebesar $106.198.
Dari data yang sudah dianalisis, saya menyarankan beberapa hal :
Tim sales supermarket diharapkan dapat meningkatkan penjualan pada kategori produk kesehatan dan kecantikan dengan cara memberikan promo atau diskon menarik seperti buy 1 get 1, bundling produk, atau hadiah langsung untuk pembeian produk tertentu. Selain itu, tim sales dapat melakukan promosi campaign di social media ataupun bekerja sama dengan influencer untuk memberikan review produk tertentu sehingga dapat menarik minat pelanggan untuk membeli produk tersebut.
Diperlukan juga adanya peningkatan rating penjualan pada kategori produk berupa home and lifestyle dengan cara melakukan evaluasi menyeluruh terhadap produk-produk tersebut, memastikan kualitasnya memenuhi standar, menentukan apakah produk cocok untuk dijual secara online. Jika produk dinilai layak, maka bisa dilakukan promosi melalui media sosial
Untuk meningkatkan penjualan di cabang B dapat dilakukan dengan cara membuat strategi penjualan yang merata di semua cabang dan meningkatkan angka penjualan volume penjualan setiap produk. Perlu juga memberikan penawaran menarik seperti diskon pada barang tertentu hingga batas waktu yang ditentukan, program loyalitas pelanggan, tebus murah barang, dan lain sebagainya agar dapat menarik minat pelanggan untuk membeli banyak produk.
Jika ingin melihat mengenai detail dashboard supermarket sales, klik disini
Terima kasih sudah membaca!
Kunjungi Linkedin saya : https://www.linkedin.com/in/alfiranabillah/